Искать текст, содержащийся в текстовом файле, и удалять их из другого текстового файла в java

Question

У меня есть текстовый файл, который был выведен из java-программы, которая находит частоту имен людей, упомянутых в нескольких документах, и записывает их в файл (peopleNames.txt), как это:

article1location\article1 name1:countofname1# name2:countofname2# name3:countofname3# ... 
article2location\article2 name1:countofname1# name2:countofname2# name3:countofname3# ... 
article3location\article3 name1:countofname1# name2:countofname2# name3:countofname3# ... 

имена соответствуют людей имен, определенных в каждой статье наряду с частотой их появления в статье, есть около 90 000 статей. У меня есть другой текстовый файл (titles.lst), который содержит список из примерно 40 разных названий и их сокращений (например, г-н, г-жа, президент, сэр и т. Д.). Я хотел бы использовать этот список в файле для поиска и удалите эти заголовки из peopleNames.txt. Я не уверен, как это сделать в java, поскольку я новичок в java, и мне нужно изменить исходный код в java, который создал peopleNames.txt для размещения удаления заголовка.

Моя программа идентифицирует человека, такого как г-н Джон Смит, который отличается от Джона Смита, поэтому удаление названий даст мне более точное количество имен, упомянутых в статьях.

Заранее благодарим за любую помощь.

Answer 1

Вы можете использовать регулярные выражения, чтобы удалить все экземпляры: общественного класса Test {

public static void main(String[] args) throws Exception { 
     String s = "Mr Tom and Ms Jane"; 
     s = s.replaceAll("\\bMr\\b|\\bMs\\b", ""); 
     System.out.println(s); 
    } 

Ради объяснения комментариев:

public static void main(String[] args) throws Exception { 
     String [] titles = args; 
     String regex = "\\b"+titles[0]+"\\b"; 
     for (int i=1; i<titles.length; i++) { 
      regex += "|\\b" + titles[i] + "\\b"; 
     } 

     String s = "Mr Tom and Ms Jane"; 
     s = s.replaceAll(regex, ""); 
     System.out.println(s); 
    } 

Вы можете также использовать параметр повторно, а заменить чем создание регулярного выражения. Я не знаю, что быстрее. Я бы рискнул предположить, что это зависит от реализации Java.

public static void main(String[] args) throws Exception { 
     String [] titles = args; 
     String s = "Mr Tom and Ms Jane"; 
     for (int i=1; i<titles.length; i++) { 
      s = s.replaceAll("\\b"+titles[0]+"\\b", ""); 
     } 
     System.out.println(s); 
    } 

Answer 2

Это то, что я хотел бы сделать:
1. Разобрать документ titles.lst и поместить каждое название в Set
2. Разбор peopleNames.txt, и для каждой проверки линии, если имя в Набор заголовков
3. Если есть, удалите его.
4. Проверьте наличие двойного входа, так как теперь г-н Джон Смит и Джон Смит будут такими же.